21-05-2017, Saat: 15:05
(21-05-2017, Saat: 02:59)gecemor Nickli Kullanıcıdan Alıntı: Ee haliyle tek replace metodu ile kim olsaydı uğraşırdı. O zaman ben biraz anlaman için biraz anlatayım kodun içeriğini (bu arada fazladan bos="" yazan satır kalmış seninkinden, şimdi gözüme çarptı)@ gecemor, abi eline sağlık çoğu anlamadığım yerler varmış sayende öğrendim.
split metodunu belki biliyosundur, bir karakter dizisini belirlediğimiz bir karaktere bölerek liste yapar. Örneğin;
>>>karakter_dizisi = "ben python öğreniyorum"
>>>liste = karakter_dizisi.split(" ")
>>>print liste
['ben', 'python', 'öğreniyorum']
>>>print liste[0]
'ben'
yukarıdaki işlemde karakter dizisini boşluklara böldük ve bu listenin birinci elemanı "ben" olacaktır. Senin kodda bs4 ile html ayrıştırdıktan sonra
gp.insertPrx({'PROXY_IP':'234.234.234.234', .......})
şeklinde parantez içinde json verisi verilmiş, bunu pythonda sözlüklerin kullanımında da bilen bilir. Yani eğer sadece {'PRO......} şeklinde verilen json verisine ulaşırsak bunun içinden ['PROXY_IP'] yazarak karşılığındaki ip numarasına erişebiliriz. Ayrıntılı kullanım için json veya python sözlüklerin kullanımına bakabilirsin. Ben de bu kısmı ele geçirmek için
for i in kd.split("gp.insertPrx(")[1:]:
#burda 'gp.insertPrx(' kısmını aldım ve listenin birinci elemanını [1:] ile es geçtim daha sonra parantezin diğer ucundan geri gelmemiz gerekiyodu
onu da tekrar i.split(")")[0] ile yaptım ve geriye sadece json verisi kaldı, bunu da işlemeye hazır hale getirebilmek için json.loads() metodunu kullandım.
Umarım faydalı olur, ama senin de bildiğin gibi bu sadece gathet proxy sitesi için geçerli, her site kaynağı farklı olacağından kaynağı incelemek gerekir. Tabi genel olarak sitelerde proxy ve portlar daha düzenli bir şekilde bulunur, eğer gather da port şifrelenmemiş olsaydı yapmamız gereken sadece şu regexi kullanmak olacaktı
'(\d+\.\d+\.\d+\.\d+).*?(\d{2,5})'
birinci parantez ipleri yakalar, aradaki ".*?" ifadesi herhangi bir karakter anlamına gelir, ikinci parantez ise 2 veya 5 basamaklı olan sayıları ifade eder, bu da o ipten sonra gelen portu yakalar.
Örnek kullanım;
import requests
import re
regex = '(\d+\.\d+\.\d+\.\d+).*?(\d{2,5})'
kaynak = requests.get("http://www.sitenin-adresi?.com").content
proxyler = re.findall(regex, kaynak)
print(proxyler)
#veya for döngüsüne sokarak işlem yapılır
for i in proxyler:
.... ip = i[0]
.... port = i[1]
.....print(ip, port)
KOD YAZMAK İNSANA DÜŞÜNMEYİ ÖĞRETİR



